基于混合量子遗传算法的外贸企业物流配送车辆优化调度

为了提高外贸企业物流配送车辆调度能力,提出基于混合量子遗传算法的外贸企业物流配送车辆优化调度算法。构建外贸企业物流配送车辆路径规划的地图网格模型,采用混合量子遗传算法进行外贸企业物流配送车辆调度的信息模拟,构建外贸企业物流配送车辆的移动规则模型,进行外贸企业物流配送车辆调度的路径规划。结合信息素导引方法进行外贸企业物流配送车辆优化调度的自适应控制,构建外贸企业物流配送车辆优化调度的混合量子遗传进化寻优模型,根据混合量子遗传路径约束寻优方法构建外贸企业物流配送车辆优化调度的人工智能算法,实现外贸企业物流配送车辆优化调度和人工智能控制。仿真结果表明,采用该方法进行外贸企业物流配送车辆调度的寻优能力较好,路径规划能力较强,提高了车辆调度效能。     

基于路径优化模式的出租车合乘调度

针对城市出租车实际运营中存在的时空分布不平衡、调度效率低等问题,对出租车合乘调度进行了研究。通过引入合乘站点的概念,借助时空网络的方法,构建了动态的调度优化路网。考虑乘客时间窗、出租车容量限制等相关约束条件,最大化合乘服务水平,以合乘过程中出租车的运营时间和乘客的出行时间(包括乘车和等待时间)最小为目标函数,建立了基于路径优化的出租车合乘调度模型。并针对该模型特点设计了相应的混合蚁群遗传算法(HACGA)进行求解,通过多次运算验证了混合蚁群遗传算法(HACGA)求解路径优化模型的有效性。算例分析表明,同时和出租车单乘相比,基于路径优化模式的合乘策略可以大幅度减少对出租车的需求,出租车总的运营里程也明显降低。     

侧向跑道机场滑行路径优化

为了缓解机场场面交通拥挤状况,提高侧向跑道机场场面运行效率,构建了侧向跑道机场航空器滑行路径优化模型.该模型以航空器加权滑行时间和延误等待时间最小为目标,提出了动态优化航班的优先级的优化方案.将航空器的运行规则转化为相应的数学约束条件,根据侧向跑道机场的滑行道调度问题进行算法设计,运用改进的遗传算法对模型进行求解,以航空器的优先级滑行序列和航空器滑行路径为染色体,基于MATLAB对双链染色体进行编码,并对4种滑行冲突与解脱进行分析.以成都天府国际机场为例进行算例分析,与先到先服务序列进行对比,采用优化方案的序列可以节省42 s,并与蚁群算法进行比对,验证了改进的遗传算法的有效性,可以为繁忙机场的滑行调度提供决策支持.     

遗传算法求解物流配送中带时间窗的VRP问题

用遗传算法求解第三方物流企业物流配送中带时间窗的车辆路径问题. 建立了一个配送优化调度模型, 使配送计划的编制在任何情况下都能归约为求解某种车辆路径问题.     

求解车辆路径问题的改进蚁群算法

为解决基本蚁群算法的过早收敛的缺陷,提出一种将遗传算法和蚁群算法融合的改进的蚁群算法.即使用蚁群算法求解出完成所有配送任务的车辆行驶路径,并将其作为局部最优解;然后,使用遗传算法的交叉变异算子对第一步搜索出来的局部最优解进行优化,筛选出全局更优解.仿真实验证明:改进后的蚁群算法与现有的求解车辆路径优化问题的蚁群算法相比,具有更快的运行速度,找到最优解的概率更高,且避免了基本蚁群算法的过早收敛.     

电动汽车共享站点间车辆人工调度策略

用户出行需求的潮汐性和不均衡性导致站点间车辆失衡问题严重,极大地制约了电动汽车共享的快速发展,采用合理的车辆人工调度策略可使车辆失衡问题得以解决.基于完全满足用户用车需求的前提,建立成本最低的调度需求模型,并采用遗传算法求解得出调度需求.构建了电动汽车共享站点间车辆人工调度策略,同时通过调度收益最大化的混合整数规划模型优化车辆调度路径,采用分支定界法求解.以"EVCARD"位于上海市嘉定区5个站点的实际订单作为输入,进行人工调度策略优化分析.结果显示:在用户用车需求增长的情景下,不增设停车位和车辆数目而采用人工调度优化策略,同比可以提升60%的订单服务量,相比增设停车位和车辆数目可以节约60%的成本投入.     

多集散点车辆路径优化的混合算法

为使多集散点车辆路径优化结果全局最优,以订单为基准建立多集散点车辆路径优化模型.采用粒子群算法与改进蚁群算法组成的混合优化算法求解模型.由粒子群算法的粒子位置向量得到每辆车所需运送的订单号,用蚁群算法优化单车路径,根据优化的总路径评价和筛选粒子,直到满足终止条件.该模型和混合算法是所有车辆对所有订单节点的路径优化,突破了多仓库问题直接或间接转化为多个单仓库车辆路径优化问题中的局部节点求解的限制.实例求解结果表明,用该混合算法优化的车辆总路径长度小于用蚁群算法求得的结果.     

考虑拥堵因素的自动化码头多AGV无冲突动态路径规划模型

针对自动化集装箱码头水平运输系统的调度优化,提出一种自动引导车(AGV)动态路径规划策略,即在多AGV系统路径生成的同时进行动态路径优化.从AGV运输作业时间角度,建立考虑拥堵的多AGV路径优化模型,优化AGV路径方案.为求解模型,设计了基于动态路径规划策略的多种群蚁群算法,并对模型与算法的有效性进行验证.结果表明:基于动态路径规划策略可以对路径规划过程进行动态控制与优化;同时,考虑拥堵因素可以有效地解决水平运输路网中的拥堵问题,提高运输作业效率.     

多车型车辆共享的MDVRP问题及其遗传算法

在多车场车辆共享的路径优化问题中,允许多种车型的车辆同时调用,在各个车场内循环调度使用,不必回到初始发出的车场,实现一定程度的共同配送;另外,考虑满载和空载的油耗不一样,同样的路径中车辆的装载量不同成本也会不一样.要满足上述新的车辆调度要求,必须建立新的车辆调度模型:目标函数包含路径的油耗成本,约束条件中车辆不必回到原车场.由于该模型属于NP难题,因此给出了一种新的基于路径的一维编码遗传算法,通过实例证明该方法能够使车辆调度路径得到改进.     

救灾物流配送路径决策研究

根据救灾应急物资运输调度的约束条件,构建具有多品种物资的混装模型,提出一种救灾物流网络配送路径决策方法.应用Matlab工具编写程序,实现基于遗传算法的救灾物流网络配送路径决策方法,并进行了算例验证.结果表明,该方法可以快速有效地确定救灾物流配送方案,解决了总运输成本最小的车辆路线优化决策求解问题.     

硬时间窗约束下集装箱甩挂运输网络的车辆路径问题

针对甩挂运输车辆调度问题,考虑甩挂运输特点和限制条件,以车辆路径优化研究和相关算法研究为基础,构建了车辆路径优化模型,分析了在硬时间窗约束下集装箱运输网络的车辆路径优化问题,并基于模拟退火算法对模型进行求解,证明模型可以解决集装箱甩挂运输的牵引车的调度问题。最后,把模型应用到实际案例中,进一步证明了模拟退火算法是可行、有效的。     

基于蚁群算法的物流配送路径优化研究

在实际生活中,如何选择最优的物流配送路线是物流车辆调度系统中最重要的问题之一。首先,针对物流配送路径优化问题,充分考虑了车辆路径的约束条件,以成本最小化和最大限度减少碳排放量构建了一种路径规划多目标优化模型;然后利用蚁群算法对其进行了求解,该算法在问题空间的多点同时开始独立的解搜索,保证了算法具有较强的全局搜索能力,并且具有较强的鲁棒性;将该算法应用到实际问题上运用MATLAB软件进行实验仿真,计算出最优的车辆配送路径方案;仿真结果表明:该模型和算法能较好地解决相关物流配送路径问题,从而提高物流服务的质量。     

基于粒子群算法的物流配送车辆优化调度研究

应用粒子群算法求解物流配送系统的车辆优化调度问题,针对车辆调度问题中需要考虑车辆容量和车辆行驶路径的限制等要求,提出一种基于收货点、粒子位置次序和粒子位置取整操作的三维粒子编码方法,采用惯性权重线性递减粒子群算法对两个算例进行计算,并与遗传算法的计算结果进行了比较.结果表明,粒子群算法能够有效地对物流配送车辆调度问题进行优化.     

双目标冷链物流车辆路径问题及其遗传蚁群求解

针对带容量和软时间窗约束的双目标生鲜农产品冷链物流车辆路径问题,建立了以最小化总成本和最大化客户满意度为目标的双目标优化模型。为了求解问题,运用ε约束法处理双目标模型,以蚁群算法为基础,加入交叉与变异算子,设计了遗传蚁群算法。算法求解过程中,蚂蚁个体在进行状态转移时按照确定性选择和伪随机比例选择相结合的方式,信息素总量采用分段函数进行优化。为验证模型与算法的有效性,对实际算例进行求解,并与遗传算法、蚁群算法求得结果进行对比。结果表明所建模型符合实际需求,所设计的遗传蚁群算法收敛速度和求解结果均优于遗传算法和蚁群算法。     

基于多Agent的制造网格资源调度新算法

针对在制造网格广域、动态、异构的复杂环境中如何快速准确地发现并调度资源,使QoS达到最佳效果,本文提出了利用移动Agent在制造网格中发现资源的新方法,先用遗传算法对资源信息进行选择,然后将移动Agent作为用户提交任务的载体,携带用户的资源信息在网格环境中利用蚁群算法对资源进行精确查找.设计了资源优选目标,改进了遗传蚁群算法的路径优化策略,在移动Agent查找路径的前半程,采用遗传算法,充分利用遗传算法的快速性、随机性、全局收敛性,求得一个较为精确的解.后半程,将遗传算法过渡到蚁群优化算法,利用蚁群算法的并行性、正反馈性、求精确解效率高的特点,求得最终结果.经仿真实验证明此算法可以获得很好的收敛速度和精确解.     

改进蚁群算法优化车辆路径问题的研究

研究采用改进的蚁群算法优化带约束的车辆路径的问题。考虑的约束条件包括路径约束、时间窗约束和容量约束。主要目的是提出一种改进的蚁群算法进行车辆路径优化,构建配送车辆行驶路线,实现配送路线总成本的最小化。从三方面对蚁群算法进行了改进：对参与条件转移概率的候选节点列表进行预处理减少路线构建过程计算的时间复杂度;提出插入式节约算法用于改进蚁群初始配送路线提高寻优精度;基于蚁群系统对信息素更新策略进行改进,加快算法收敛速度。基于Solomon基准数据集,与近年来已取得的研究成果展开对比实验,证明提出的改进算法在提高求解精度和搜索效率方面的有效性,在优化带约束条件的车辆路径问题时的实用性,拓展了蚁群算法的应用领域。     

基于改进蚁群算法的CVRP问题研究

车辆路径优化问题归属于NP-hard问题;针对基本蚁群算法求解效率低下,可行解质量不高,容易陷入局部最优解的情况,在充分考虑具有一般性的车辆路径优化问题的数学模型与解决方案后,提出了一种带有轮盘赌运算与2-opt优化运算相结合的改进蚁群算法,算法在运算过程中对选取路径的概率进行二次计算,扩大了全局的搜索范围;同时对得到的路径进行内部优化,增强了局部搜索能力,提高了解的质量;通过MATLAB软件进行仿真实验的结果表明:相较于基本的ACO算法以及遗传算法得到的结果,改进的蚁群算法在性能上和求解的质量具有很大的优势,可以更好地解决带有容量约束的车辆路径优化问题,为相应的企业更好地节省物流成本。     

基于改进蚁群算法的应用与研究

针对传统蚁群算法在构造解的过程中收敛速度慢且容易陷入局部最优问题,提出了一种改进蚁群算法。在蚁群搜索路径过程中,通过建立信息素启发式因子α和期望启发式因子β的互锁关系,动态自适应调整α和β;结合车辆运输调度问题,对距离启发式因子ηij（t）进行重新定义,引入不同客户间的“偏好力”,提高算法的搜索效率及实用性。将改进蚁群算法分别应用到机器人路径规划及车辆调度问题并进行仿真,取得了较好实验效果,验证了该方法的可行性和有效性。     

二进制粒子群优化算法在车辆路径问题中的应用

车辆路径优化问题是一类实用价值很高的NP组合问题,针对传统启发式优化算法搜索速度慢、易陷入局部最优解的缺点,提出了一种新的基于二进制的粒子群优化算法,并将该算法应用于车辆路径优化问题,建立了相应的数学模型和求解算法.将该算法通过与遗传算法、混合蚁群算法和标准粒子群算法进行比较,证明了其搜索速度和寻优能力的优越性.     

改进蚁群算法的云计算资源调度模型

针对当前云计算系统资源调度算法的资源利用率低、浪费严重等缺陷,提出一种基于改进蚁群算法的云计算资源调度优化模型,以获得更理想的云计算资源调度方案.首先对云计算资源调度的工作原理进行分析,建立云计算资源调度优化目标函数;然后利用蚁群优化算法模拟蚁群找到一条从起点到目的地的路径,即云计算资源调度目标函数的最优解,并结合目标函数对蚁群算法进行相应地改进;最后采用MATLAB2014R编程实现云计算资源调度优化模型.实验结果表明,该模型在短时间内可找到云计算资源调度的最优解,使资源利用率得到了改善.